dsh-humanizer DSH 插件

该插件避免常见的AI消除方法，后者会留下可检测的指纹。它让模型先完整阅读写作理论，然后以特定作者的身份写作，关注材料来源、注意力选择和判断代价。

如何安装 dsh-humanizer DSH 插件

dsh plugin --profile web add dsh-humanizer

复制不会执行命令。安装 dsh-humanizer DSH 插件前请核对仓库和版本。

dsh-humanizer DSH 插件数据来源

dsh-humanizer DSH 插件快照日期：2026年8月16日

discovered

dsh-humanizer DSH 插件能做什么

通过先学习完整理论再成为作者，使写作更自然。
支持创作模式（写新章节）和润色模式（润色文本）。
只根据读者真实不适感修改文本，而非依据外部清单。
保留原文作者的声音，仅修改未充分表达的地方。
不使用任何评分、检测或清单后处理。

dsh-humanizer DSH 插件适合哪些场景

撰写小说章节，使其具有人类般的叙事声音。
润色感觉机械或AI生成的草稿，不丢失原始内容。
在需要避免AI检测的场景中创作内容。
改进创意写作中的对话和叙事结构。

dsh-humanizer DSH 插件适合谁

希望AI辅助写作听起来自然的作家和内容创作者。
需要将类人文本集成到应用中的开发者。

dsh-humanizer DSH 插件的限制

不保证任何特定的AI检测分数；结果因检测器和文本而异。
要求模型在每次生成前阅读完整理论（约4万字符），可能增加延迟。
仅支持README中描述的场景（创作和润色），不是通用改写工具。
不处理数据、公式、引用或来源，这些不得被模型编造。

dsh-humanizer DSH 插件的仓库 README 摘录

以下文字摘自 dsh-humanizer DSH 插件的上游仓库 DEEP-IOS/dsh-humanizer 的 README，版权归原作者，仅作引用。

> 一个让模型在动笔之前先成为作者的 DeepSeek Harness 原生插件。 > 这里没有检测分数，没有改写清单。它做的事情，是在文字落下来之前把作者找回来。 --- ## 先说问题市面上多数 AI 消痕工具用起来都有同样的毛病：文字越改越有 AI 味，原有排版被拆坏，句子读起来也不自然。这个插件的第一版就犯过这个错。我们嘴上写着「配额就是新指纹」，手上却把方法做成了一张张工序卡，让用户照着执行。结果工序本身变成了新的可检测特征。所以 v0.3 干脆把方向翻了过来：模型动笔前先把整套理论完整读进脑子，在思考中成为这次要写的人，然后把理论忘掉，一口气写。这不是换了一种提示词。往下读，你会看到这两种做法对问题的理解完全不同。 --- ## AI 味不在词上，在决定上先看三句话。 > 这不是一次简单的失败，而是一次深刻的警醒。 > 它不仅改变了他的选择，更重塑了他的认知。 > 这意味着，他必须重新审视自己的过去。三个句子用词不同，句式不同，读起来却像同一个人写的。把它们并排放在一起，几乎能听见同一种腔调。为什么？因为三个句子的底层决定是一样的。作者每次都选择同一条路：先否定一个较浅的解释，再抬到一个更抽象的高度，最后追加一层意义。词只是这条路上穿的衣服，换衣服不改变走路的姿势。这件事可以解释一个常见的困惑：为什么删掉「此外」「值得注意的是」「综上所述」，换上一批更口语的说法，AI 味还在。因为检测器并不只看这些词。故事视镜研究用六万多个平行故事做过统计，剔除措辞、句法和韵律特征以后，单靠叙事结构特征仍然能把人类故事和生成故事分开，宏平均调和分数大约九成三。也就是说，哪怕你把句子表面的东西全换掉，只要开头的选择、情绪的载体、因果的连法、结尾的收法还是模型默认的那一套，痕迹就还在。所以真正要动的地方不是词，是词背后的决定。谁在说，他为什么知道这些，他此刻在看什么，他凭什么下这个判断，他愿意为判断付出什么代价。这些决定对了，文字会自己带上人的位置。 --- ## 工序为什么必然失败「把方法做成工序」这个念头很自然。理论太复杂，模型会偷懒，那就把理论拆成步骤，一步一步执行。听起来没毛病。问题出在步骤是固定的。假设你定了一条规矩：每章必须有一次重释、一次命名情绪、一个钩子结尾。你严格执行了二十八章。现在这二十八章有了一个共同点：它们都长着同一张脸。检测器不需要理解你的理论，它只要学会认这张脸。更麻烦的是，这张脸是全局的。真正的写作规律往往绑在具体的材料上：这个人物受了委屈才会在对话里绕弯子，那个场景有风才值得写声音。这些规律因人而异，因文本而异，分散在成千上万个不同的决定里。而工序制造的规律不绑定任何材料，它绑定的是工序本身，所以在所有文本里长得一模一样。对分类器来说，这就是最好的特征。第一版的十步状态

阅读完整 README仓库许可: MIT

dsh-humanizer DSH 插件常见问题

模型已经知道这些理论了，为什么还要完整读一遍？

知道和在场是两回事。完整阅读不是给模型灌输新知识，而是把这些知识从背景里提到当前的生成现场，让它们参与接下来每一个选择。摘要和规则做不到这一点，降维后的规则只能指导表面动作。

不设门禁，模型偷懒跳读怎么办？

门禁挡得住表格，挡不住心不在焉。与其用程序检查一个可以伪造的工件，不如让阅读包本身足够完整、足够有说服力，让模型读完以后真的进入作者状态。成品里的生硬和机械感，就是最诚实的门禁。

润色模式怎么保证不会破坏原文？

模型先重建原文作者的声音和在乎，只改没写到位的地方——断了、硬了、凉了、空了、说多了。真正认真写出来的句子，在这个标准下天然应该保留。

这套方法会不会自己也变成新指纹？

不会。它在文本层不留下任何统一形状，规定的是「选择是否做过」，不是「选择的结果长什么样」。每份材料的来源、注意力和代价天然不同，一千次执行会有一千种文本。

这个插件和其他AI消痕工具的区别是什么？

多数工具回答的是「这段文本哪里像AI，我帮你改一下」，这是后处理思路。而这个插件在动笔之前问的是「一个具体作者知道什么、在乎什么、付出什么代价」。它改变的是决定层，不只是词层。